安克创新机器人机械臂操作算法工程师(博士)
校招全职地点:深圳状态:招聘
任职要求
1、机器人学、人工智能、计算机视觉等相关专业博士学历; 2、熟悉机械臂操作策略学习(RL/IL/Diffusion Policy等)及多模态融合(VLM/VLA/视觉-触觉等); 3、具备Sim-to-Real或复杂任务规划经验,熟悉PyTorch、ROS、仿真平台(Mujoco/Isaac Sim等); 4、在ICRA、IROS、CoRL、RSS、NeurIPS等顶会期刊有论文发表经验优先; 5、具备科研创新能力及良好的跨团队协作能力。
工作职责
1、开展灵巧手机械臂操作方向的前沿算法研究,包括可泛化端到端操作、Sim-to-Real、Vision-Language-Action(VLA)模型等; 2、跟踪最新研究成果,设计和维护数据-算法闭环系统,实现高效迭代优化; 3、协同硬件与工程团队,推动机械臂创新应用的落地与展示; 4、输出高质量专利与学术论文,提升团队在机器人操作领域的影响力。
包括英文材料
OpenCV+
https://learnopencv.com/getting-started-with-opencv/
At LearnOpenCV we are on a mission to educate the global workforce in computer vision and AI.
https://opencv.org/university/free-opencv-course/
This free OpenCV course will teach you how to manipulate images and videos, and detect objects and faces, among other exciting topics in just about 3 hours.
学历+
PyTorch+
https://datawhalechina.github.io/thorough-pytorch/
PyTorch是利用深度学习进行数据科学研究的重要工具,在灵活性、可读性和性能上都具备相当的优势,近年来已成为学术界实现深度学习算法最常用的框架。
https://www.youtube.com/watch?v=V_xro1bcAuA
Learn PyTorch for deep learning in this comprehensive course for beginners. PyTorch is a machine learning framework written in Python.
ROS+
https://www.youtube.com/watch?v=92Zz5nnd41c&list=PLk51HrKSBQ8-jTgD0qgRp1vmQeVSJ5SQC
https://www.youtube.com/watch?v=HJAE5Pk8Nyw
Ready to learn ROS2 and take your robotics skills to the next level?
https://www.youtube.com/watch?v=MWKnMPX0Yjg&list=PLU9tksFlQRircAdEplrH9NMm4WtSA8yzi
Do you want to know more about ROS the Robot Operating System?
NeurIPS+
https://neurips.cc/
相关职位
校招
1.推进机器人多模态大模型(VLM/VLA)、3D感知算法的工程化落地:涵盖预训练、微调、训练加速和效果调优。 2.基于issac sim搭建仿真环境验证操作模型,设计real2sim2real迁移框架,加速算法验证与落地。 3.具身智能算法研发,包括不同数据配比/网络结构/本体构型,在toC场景完成长序列任务和技能泛化。 4.研发自动化标注算法(2D/3D/VLA等),降低标注成本和提升标注质量。 5.设计多模态数据(图像、视频和点云等)生成算法,增强数据多样性。
更新于 2025-05-16
校招
岗位职责 1.研发四足、人形、类人形机器人(腿足/机械臂)运动控制算法,解码大模型输出的动作意图,实现轨迹规划、运动控制及力控策略。 2.通过仿真(MuJoCo/Isaac Gym等)和实物测试解决算法性能问题。 3.实现高可靠鲁棒的运控系统端侧部署开发,支持跨团队集成需求。 4.跟踪应用强化学习、系统辨识等前沿技术,持续提升运控系统能力上限。 5.负责强化学习规划控制算法的sim2real开发;
更新于 2025-03-25
校招
1、机器人基础模型架构设计与开发:如视觉-语言-动作(VLA)模型的算法研发,包括多模态特征对齐、动作序列生成与推理优化,推动模型在机器人操作场景的端到端能力提升; 2、具身智能多模态系统构建:设计融合视觉、语言与动作的联合训练框架,开发基于Transformer或扩散模型的跨模态交互机制,提升模型在复杂动态环境中的语义理解与决策能力; 3、算法性能优化与工程化:针对具身智能硬件平台(如机械臂、移动机器人)优化VLA等模型的实时推理性能,通过算子融合、量化压缩等技术实现低延迟部署。 4、跨模态数据闭环建设:搭建大规模具身智能数据采集与增强系统,设计数据标注与仿真验证工具链,支撑VLA等模型在真实场景的持续迭代。
更新于 2025-07-25